مقدمه
پیش بینی ساختار دوم پروتئین نقش مهمی در بیولوژی ساختاری بازی می کند. پیش بینی ساختار دوم پروتئین دقیق نه تنها به درک عملکرد و ساختار سه بعدی یک پروتئین کمک می کند بلکه در متخصص کردن موقعیت های زیر سلولی و توسعه ی حساسیت روش های شناخت fold (روش تا کردن کاغذ) معتبر می باشد .
بعلاوه پیش بینی ساختار دوم پروتئین یک بخش عادی از تجزیه و تحلیل ها و یاد آوری های پروتئین شده است.
دیکشنری ساختار دوم پروتئین ها (Dssp) ساختار دوم را به هشت گروه تقسیم میکند.(+1.G.I.E.B.T.S…) مطابق با قرارداد ارزیابی سرورها پیش بینی ساختار اتوماتیک .این هشت دسته به سه حالت کاهش یافته اند: H.G و I به مارپیچ (H) ,B ,Eبه کرانه ی (E) ودیگر گروها به حلقه (C) بنابراین پیش بینی ساختار دوم پروتئین ها می تواند بعنوان یک مشکل (مسئله ی) دسته بندی عادی در نظر گرفته شود.که هر باقی مانده ی یک توالی پروتئین به یک حالت Conformational (کنفورماسیونی) H,E,C اختصاص یافته است.
الگوریتم های مختلفی برای پیش بینی ساختار دوم پروتئین توسعه یافته اند.روش های اولیه عمدتآ براساس آمار و ویژگی های وابسته به خواص فیزیکی و شیمیایی اجسام بودند.
همچون GGBSM به هرحال این الگوریتم ها معمولآ نمی توانند سه حالت در باقی مانده ی دقت 70در صد را بدست آورند و بنابراین عملیاتی نیست.
تا سال 1993 نبود که دقت پیش بینی ساختار دوم پروتئین .اولین دستیابی به موفقیت را با ترکیب شبکه های عصبی با هم ترازی چندین دنباله ی گرفته شده از پایگاه داده ی Hssp بدست آورد.
فهرست مطالب:
مقدمه
در بخش 1_2 مجموعه داده های استفاده شده در کار ما معرفی شده اند
در بخش 2_2 مدل Lmnn بطور خلاصه مرور شده است
در بخش 3_2 ما دو قانون انتساب ساختار دوم پروتئین را می آوریم
بخش 3 عملکرد اندازه گیری ها را توصیف می کند. نتایج و بحث در بخش 4 ارائه شده اند
بخش 5 کار ما را نتیجه گیری میکند
منابع